传统研发与设计岗位在 AI 冲击下的渐进改变与职业规划方向预测评估

最近一直在思考团队建设和人员发展的事情，所以收集相关资料，做了这一期报告，希望对各位读者能产生一点点微小的启发和思考。
以下为正文：

研发与设计组织 / 人才结构研究备忘

面向：前端工程师、PHP / 后端开发、客户端（iOS / Android / 桌面）开发、UI / 视觉设计师及研发与设计管理者　·　2026 年 11 月　·　评估窗口：未来 3–5 年（2026–2030）

目录

1. 先校准事实：数据底稿与口径
2. 真正的分界线不是岗位，是任务类型
3. 四类岗位逐个体检
4. UI 设计师：被整段绕过的交付链
5. 渐进改变：四阶段路线与可验证产出
6. 方向预测评估与推荐排序
7. 给研发 / 设计管理者的组织侧建议
8. 不确定性、反例与来源

核心判断

1. 不是"岗位消失"，是"任务重新定价"。 AI 拿走的是"输入明确、输出可标准化验收、出错无需个人担责"的执行环节；升值的是"定义问题、组织 AI、验收结果并对结果负责"。软件工程师这一职业大类在全球口径下仍在增长（WEF 2025 雇主预期、BLS 2024–2034 +15%），收缩的是其中"纯编码执行"的子岗位。

2. 岗位结构从金字塔变成「重顶细腰」。 底部初级入口快速收窄，中间标准 CRUD / 页面实现层被掏空，顶部架构、AI 工程、交付复合型扩张。业界常说"哑铃化"，但数据并不支持——哑铃意味着两头都大，而实际是底部和中间同时收缩、只有顶部变重，这个区别直接决定了"熬资历等升级"的旧路径是否还成立。对个人最危险的位置不是"用 PHP 还是用 React"，而是3–8 年经验但工作内容仍是第一年重复了 N 遍。

3. 渐进 ≠ 转行。 绝大多数人不该清零已有领域资产去卷算法岗。正解是把现有系统、行业规则、端侧能力挂到 AI 链路上，先拿到"端到端交付结果"的职责，再谈方向选择。

4. UI 设计师不能套用研发岗的结论，它更陡、缓冲更薄。 代码有测试可自动验证、有存量系统构成迁移壁垒；设计稿两样都没有。因此 UI 设计师"执行层被替代得更快、判断层溢价也更高、中间几乎没有缓冲"。更关键的是：研发被替代的是任务，UI 设计师被绕过的是整条交付链——需求方消失了，不只是活变少了。详见第 04 节。

01 先校准事实：数据底稿与口径

不同来源统计口径差异极大（岗位发布量 / 就业人数 / 雇主预期），且中文自媒体二手转引较多。下表把关键数字按口径并列，避免混用；引用时请回到原始报告。

数据使用提醒

流传极广的"初级替代率 85%""某岗位暴跌 65%""AI 岗占新经济岗位 22%"，以及设计侧的"UI 岗 −47%""策略型设计岗 +120%""AI 原生设计师 +210%"等数字，多来自二手转引或自媒体推演，缺乏一手报告支撑，本报告不作为论据使用。另外任务暴露度 ≠ 岗位替代 ≠ 失业：Anthropic 将"计算机程序员"列为约 40% 任务可被覆盖，不等于 40% 的人失业。宏观层面目前尚看不到 AI 造成整体就业冲击的显著迹象，冲击集中在微观与初级端。

02 真正的分界线不是岗位，是任务类型

按"前端 / PHP / 客户端 / UI 设计"来评估风险其实是个误导性框架。同一个前端工程师，A 每天把 Figma 转成组件，B 负责流式交互协议、AI 输出的可解释界面和性能预算，两人处在完全不同的风险曲线上；同一个 UI 设计师，C 每天出高保真稿，D 在定义组件契约和 AI 失败态表达，也是两个物种。更有解释力的切法是按任务的责任属性分三层：

三个被数据反复验证的机制值得记住：

• 验证比生产更难，也更值钱。 Stack Overflow 2025 调查（4.9 万份样本）：84% 开发者已用或计划用 AI 工具，但 46% 不信任其输出准确性（2024 年为 31%），45% 表示调试 AI 生成代码比自己写更耗时，66% 的头号困扰是"答案几乎对但不完全对"。
• 长期维护是 AI 的短板、人的主场。 中山大学与阿里巴巴 2026 年 3 月对 8 家厂商 18 款主流模型的评估显示，多数模型在长期代码维护中表现不佳、存在"越改越糟"；而长期维护占软件生命周期总成本的 60%–80%。
• 效率提升有代价。 GitHub 数据显示 AI 工具使任务完成速度提升约 55%；Uplevel 研究显示重度使用 AI 的团队 PR 交付时间缩短约 40%，但部署后 30 天内缺陷报告上升 41%。企业因此倾向"少量高能力工程师 + AI"，这正是"重顶细腰"结构的微观机制，也说明治理与评测能力是刚需。

但设计岗有一个不能忽略的不对称：代码的正确性可以用测试和回归基线自动验证，设计稿的"对不对"没有自动验证机制（好不好用、合不合品牌、达没达业务目标只能人判断）；代码有存量系统构成迁移壁垒（PHP 支撑 75%+ 服务端网站），而历史设计稿几乎不产生锁定效应。这导致设计岗的三层之间缺少缓冲带——一旦执行层被商品化，人不会被"存量维护"接住，只能快速上移或被挤出。这是 04 节要展开的前提。

工信部《"人工智能+软件"专项行动实施方案》发布会上，中国软件行业协会的表述与上述判断一致：单纯编码执行能力权重下降，需求理解、架构设计、系统集成、质量与安全控制要求上升；人机协同（准确表达意图、评估校验生成结果、编排多智能体）成为基础能力；既懂软件又懂行业的复合人才最紧缺。

03 四类岗位逐个体检

前端工程师

冲击最重　·　结构分化最剧烈

• 被拿走： 设计稿→组件、表单/列表/后台页面、样式适配。
• 还在手里的： SSE / WebSocket 流式、状态机、JSON Schema 与结构化输出、交互与可访问性、性能预算、Agent 工作流画布与结果解释层——这些恰是 AI 应用的核心原语。
• 结构性信号： 纯前端岗退化为全栈岗的一半；Full-Stack 岗位占比从 2020 年 22% 升至 2025 年 47%。钉钉把 GUI 重构为 CLI 让 AI 直接操作软件，说明"给人看的界面"这一层正在被重新定义。
• 第一动作： 把现有页面工作升级为"AI 输出的可验证交互层"，补模型 API、流式协议与评测。

PHP / 后端开发

冲击中等　·　但位置最有利

• 被拿走： 样板控制器、增删改查、迁移脚本、基础测试。
• 还在手里的： 存量业务里的隐性规则、领域模型、权限与数据边界、幂等/重试/审计/可观测、API 契约。PHP 仍支撑 75%+ 服务端网站（WordPress / Laravel / ThinkPHP / 大量中后台），迁移成本极高。
• 为什么反而好转： 模型服务化、AI 网关、RAG 服务、会话存储、工具调用、成本控制都是后端能力的自然延伸。Laravel AI SDK、Neuron AI、Symfony AI 等已让"不换语言做 AI"成为现实。
• 第一动作： 在现有存量系统里接一个真实 LLM 能力（鉴权、日志、重试、隐私、降级），而不是另起一个 Python demo。

客户端开发

合流而非消失　·　两极分化

• 被压缩： 常规业务 App 的双端各配一人、简单页面适配、低代码可覆盖的轻量需求。跨平台框架 + AI 在 Swift/Kotlin 间移植特性，让"双端重复"失去经济性。
• 还在手里的： 端侧推理与隐私、OS 底层（IPC、沙箱、权限、Hook）、性能与崩溃治理、多设备生态、信创/鸿蒙适配、Computer Use / UI Automation。
• 新增长点： AI 桌面客户端与端云协同岗位的 JD 明确要求 Rust/C++ + Function Calling / MCP + 跨平台架构，这类能力供给远小于需求。
• 第一动作： 从"写页面"下沉到系统能力或上移到端云协同 Agent，别停在中间层。

UI / 视觉设计师

最陡、缓冲最薄　·　被绕过的是交付链

• 被拿走： 批量出图、图标素材、常规页面高保真、标注切图、组件变体、营销页排版；初级 UI 岗同比 −22%（Figma × NewtonX 转引）。
• 还在手里的： 问题定义与用户研究、信息架构、组件契约与设计系统、状态与失败态、可访问性与合规、品牌与信任判断、AI 输出的策展与审美把关。
• 为什么更危险： 没有自动验证机制，也没有"存量维护"缓冲区；且 PRD→AI 功能原型→上线的新链路让"设计稿"不再是必需交付物（见 04 节）。
• 第一动作： 把设计系统变成机器可读资产（DESIGN.md / Token / 组件 API / Figma MCP），让编码 Agent 直接消费——不需要先学会写代码，就能让 AI 替你落地。

共同结论： 四类岗位的安全区都不在"更熟练地做同一种产出"，而在往上游（需求/架构/研究）或往下游（集成/运营/交付）延伸。T 型不够，需要 π 型：一条技术或审美纵深 + 一条领域/交付纵深。

04 UI 设计师：被整段绕过的交付链

把 UI 设计师简单算作"第五类研发岗、套同一套结论"会漏掉最要紧的东西。它的冲击机制有三处不同。

4.1 三个"没有"，决定了这条曲线更陡

• 没有自动验证。 代码可以用单测、类型检查、回归基线判断对错；设计稿的"对不对"依赖业务目标、品牌、用户与合规，只能由人承担判断。这既意味着 AI 输出难以自证，也意味着判断力的溢价更高——Figma × NewtonX 报告里策略型设计师薪资高出纯执行型 35%–50%，67% 雇主把商业思维列为首要考量、59% 看重数据分析，两项都超过视觉设计能力。
• 没有存量锁定。 PHP 有 75% 的存量网站、后端有十年老系统的隐性规则，这些构成 AI 难以跨越的上下文壁垒；历史设计稿不产生迁移成本，旧版视觉规范甚至会被一键重绘。所以执行层消失后，人不会被"维护旧资产"接住。
• 没有中间缓冲。 研发的执行层之上还有"评审 AI 代码""维护评测基线""治理集成"等一整层过渡岗位；设计岗从"出图"到"定策略"之间缺这样一层，跳跃更大、时间更紧。

4.2 真正致命的不是 AI 会画图，是需求方消失

过去 UI 设计师的组织合法性来自一个瓶颈：只有他们能把需求变成高保真稿，前端才据此开工。这个瓶颈在 2026 年被两头夹断——一头是 PRD 直接到可用原型（Lovable / Bolt / v0 / Figma Make，2–3 周压到 2–3 天），另一头是设计规范变成机器可读文件（Google Stitch 的 DESIGN.md、Design Token、Figma MCP server），编码 Agent 直接照着生成组件，"设计图转代码"几乎一夜之间不再是问题。

Figma 投资人 Rajaram 那句被反复引用的"2026 是产品设计作为独立岗位的终结"，重点不在"AI 画得比人好"，而在企业不再需要为"出图"单独养一个全职岗位或团队——外部顾问几周搭一套设计系统 + 几个 AI 订阅，成本结构与全职设计团队不是一个量级。设计能力因此从"固定岗位"变成"按需采购的服务"。这比"任务被自动化"严重一级：前端至少还能转去做 AI 交互层，而 UI 设计师原来的交付物本身被吞掉了。

4.3 别被"UI/UX 设计师在增长榜第 8 位"安慰到

WEF《未来就业报告 2025》里出现了一个耐人寻味的分叉：平面设计师位列最快萎缩职业第 11 位，UI/UX 设计师位列最快增长职业第 8 位。同样叫"设计"，方向相反，差别就在离执行多近、离判断多远——这恰好验证了第 02 节的三层框架。NN/G《State of UX 2026》也显示市场在 2023–2024 收缩后企稳，但恢复最快的是资深与专项角色（UX 研究、内容设计、AI 体验设计、产品设计），通用入门岗仍然最挤。

要点破的一层

统计口径上的"UI/UX 设计师在增长"，掩盖了同一个 title 内部的换血：增长的那一半已经是产品判断、研究、系统治理、AI 体验设计，不再是原来那批人做的那些事。所以正确读法不是"设计岗没事"，而是"这个岗位名称下装进了另一份工作"。同理，"AI 美术设计师 +185%"是低基数上把执行岗换了个名字，不构成护城河；只补"会用 Midjourney / 即梦出图"是设计岗性价比最低的自我投资。

4.4 设计系统成为新的权力中心——与研发侧的"架构约束"同构

这是我认为最有价值、也最容易被忽略的一条。生成式 UI（Vercel AI SDK Generative UI、Gemini、MCP-UI）让界面在运行时由模型动态组装，"设计"的交付物从"某张屏幕的稿"变成可供 AI 查询与组装的组件目录、Token、组件 API 和约束规则。NN/G 把这个变化概括为从"设计界面"到"设计生成界面的系统"。

于是出现一个反直觉的结论：AI 生成的界面越多，越需要人工定义的约束来保持一致性。Design Token、组件契约、可访问性标准、品牌规则，是让 AI 输出可控的唯一抓手；设计规范写成 DESIGN.md 供编码 Agent 消费，是这个逻辑的极致。设计师的护城河从"把屏幕画好看"迁移到"把审美判断编码成机器可执行的规则"——这和上一轮说的"资深工程师从写代码变成定义架构约束"是完全同构的。

这也解释了 Design Engineer 为什么在 2024–2026 快速崛起：Linear 普及该 title，Vercel、Stripe、GitHub 及多数成规模 SaaS 明确招聘；AI 编码工具把设计师写代码的门槛降到可跨越，一个人同时 owning 组件库、变体、明暗主题、键盘与 a11y 处理，把 Figma frame 到上线组件的周期从几周压到几小时，直接消掉了 handoff 损耗。ForaSoft 给了一个很硬的建议："如果小团队只有一个设计 HC，2026 年招 Design Engineer 而不是纯视觉设计师。"我的判断见第 07 节。

4.5 全新的设计对象：AX 与信任设计

当使用者从"操作软件的人"变成"给 AI 委派目标的人"，界面承担的功能从引导操作变成建立信任、提供监督、支持接管。行业归纳的六个 agentic UX 模式，2023 年还根本不存在：意图预览、自主度旋钮、可解释理由、置信度信号、动作审计与撤销、人工升级路径。配套协议栈（MCP / A2A / A2UI / AG-UI）也在 2026 年成型。

关键的是，这些恰好是 AI 生成 UI 的盲区：生成工具能把 happy path 做得很漂亮，但很少生成灰色状态，甚至会生成"看起来合理、事实上错误"的失败态（例如跳过支付网关的结算流）。设计的基本原子单位从"屏幕"变成"状态转换"——加载、空、错、成功、中断、回滚、低置信度、需要人类确认。谁定义这些，谁就掌握交互契约。CSCW 2025 的研究也证实：更高的过程透明度显著提升用户对 Agent 的信任与使用意愿。

克制一下

Agentic UX 的落地远慢于 headlines：Deloitte 数据显示仅 11% 公司有 Agent 在生产、23% 中度使用 agentic AI、35% 完全没有战略、20% 具备成熟治理；NN/G 也警告开放式生成式 UI 会带来布局漂移与可用性问题，目前生产可用的主要是静态/声明式 GenUI。此外 Figma 2025 AI 报告显示 78% 设计师认为 AI 让自己更高效，但只有 47% 认为让自己做得更好。所以 4.5 是"现在开始储备、18–24 个月后兑现"的方向，不是马上能跳槽变现的门票。

05 渐进改变：四阶段路线与可验证产出

原则是不脱产、不转行、不清零存量资产，每一步都在现有岗位上完成并留下可写进简历的证据。每阶段的"验收物"比"学了什么"重要得多。

阶段 0 · 0–4 周 · 不换岗

把 AI 从"偶尔用的补全"变成生产范式，同时建立验收纪律

研发：深度使用一种编码 Agent（Cursor / Claude Code / CodeBuddy 类）完成真实工单，配套写测试、标注 AI 生成代码、逐条审查输出、维护"AI 踩坑清单"（幻觉类型、错误的 ARIA 标记、越改越糟的重构、安全与依赖）。设计： 把作品集从"界面效果图"改成"决策链路"——面对什么需求、做过什么取舍、AI 承担了什么、你判断了什么、最终业务结果如何；只有效果图的作品集在新 JD 下几乎无法初筛。

验收物： 研发侧为 AI 生成占比与缺陷率对比 + 团队可复用评审 checklist；设计侧为至少 1 个完整商业 case（含指标与失败分析），而非视觉稿合集。

阶段 1 · 1–3 个月 · 不换岗

在现有业务里做一个真实闭环，明确禁止只做 demo

把 AI 能力接进自己最熟悉的那个系统，做成上线、有指标、有监控的东西。按岗位选起手式：

• 前端：流式输出与中断恢复、结构化输出渲染、Agent 执行过程可视化、错误恢复交互。
• PHP / 后端：把 LLM 接进存量 CRM / 工单 / 电商系统，重点做好 service 抽象、鉴权、日志、重试、隐私脱敏、成本与降级。
• 客户端：端侧小模型推理（Core ML / ML Kit / ONNX Runtime / WebGPU）、离线隐私场景、端云协同。
• UI 设计师：把设计系统变成机器可读资产——DESIGN.md、Design Token、组件 API 与状态清单，接通 Figma MCP / 编码 Agent，验证 AI 生成的组件是否遵守规范。这是设计师成本最低、杠杆最高的一步：不必先学会写代码，就能让 AI 替你落地并接受你的约束。

验收物： 一个跑在生产环境的成果 + 一组业务或质量指标 + 一份失败案例分析；设计侧额外验收"AI 生成组件的规范符合率"。

阶段 2 · 3–9 个月 · 换职责，不换公司

争取端到端交付职责，补稳定的底层而非追框架

研发：主动接从需求澄清到上线验收的完整链路，学不会半年过期的东西——异步与并发、状态机、数据建模、API 契约、评测方法、可观测与成本治理、权限与安全边界。
设计：往左走用户研究与问题定义、往右走代码化交付，至少打通一侧。具体动作是从 PRD 直接产出可运行原型（v0 / Figma Make / Lovable）并自己跑通，不再等前端还原；同时在组件库里真实提交过一个 PR（哪怕只是修一个 Token）。

验收物： 独立负责过一条"需求 → 生产结果"链路；简历上能写出业务结果数字而非"熟悉某框架 / 精通某设计工具"。

阶段 3 · 9–24 个月 · 再谈方向

用真实项目做筹码选择主线，此时才考虑转岗或跳槽

到第 6 节的方向矩阵里选一条主线 + 一条副线。判断标准很简单：哪个方向能让你继续复用过去 5–10 年积累，而不是从头开始和应届生同台竞争。

验收物： 目标岗位的 JD 逐条能被现有项目证据覆盖；有可迁移的作品集或内部成果。

一个反常识建议

研发不要先学 Python 转算法；设计不要只补"会用 AI 出图"。 前者把领域资产清零去和科班算法生竞争，后者把时间投在正在被商品化的那一层。两侧真正需要补的都是模型使用与工程化 / 治理能力（调用、编排、评测、成本、安全、约束表达），以及把已有判断力变成可复用规则的能力，而不是模型训练能力或更快的出图手速。

06 方向预测评估与推荐排序

以下是我的判断，不是行业共识。置信度基于当前数据的稳定性与逻辑可外推性，评估窗口 2026–2030。①–⑥ 主要面向研发岗，⑦⑧ 主要面向设计岗，但可交叉。

我的推荐排序（研发岗，3–8 年经验）

1. 主线：① + ③ 的组合——"AI 应用工程能力"作为可迁移的技术底座，叠一个你已经待过的垂直行业纵深。复用存量资产最多、抗商品化最强、窗口期最从容。
2. 副线：④ 作为组织形态而非技术方向——FDE 不该被理解为"要学的新技术"，而是"把已有能力拿到客户现场兑现"的一种岗位形态。判断一个 FDE 岗位值不值得去，就看它有没有让你沉淀可复用资产。
3. ② 不必硬转——本来就做后端 / 基础设施的人顺势深化即可；纯前端或客户端硬切平台岗的沉没成本过高。
4. ⑤ 只适合愿意接受收入回撤的人，⑥ 只适合有明确获客渠道的人。

我的推荐排序（UI 设计师，与研发岗不同）

1. 第一优先：⑦——Design Engineer / 设计系统治理。理由很直接：它是唯一一条把"审美判断"直接变成 AI 时代稀缺资产的路径，迁移成本比"转产品经理""转纯前端"都低，而且不要求先成为工程师（到"能读、能改组件代码、能定义组件 API"即可）。这也是对 4.2 节"交付物被吞掉"的正面回应：不再交付稿，交付约束。
2. 第二：⑧ 作为押注、③ 作为压舱石——AX 上限高但兑现慢，适合用 20% 时间储备；行业纵深提供长期抗替代性，两者都不要求清零原有积累。
3. ⑨ 适合已有品牌 / 服务设计底子的人，别从零硬转；纯视觉执行岗续命（多学几个出图工具、多做几套稿）在所有选项里确定性最低。

关于 FDE 需要说破的一点： 它在 2026 年确实是增速最猛的岗位（领英 42 倍、Indeed +729%、脉脉上半年同比 21 倍、工信部发文鼓励服务商搭建 FDE 团队），国内平均年薪 40.8 万、供需比 0.28，且上海占新发职位 23.33% 为全国第一。但这是低基数 + 资深岗：约 60% 要求 3–5 年经验，从业者画像多为 2–5 年经验的全栈 / AI 应用工程师、技术负责人、产品经理，普遍有 B 端业务背景。把一个"给资深者的新出口"包装成"所有传统研发岗的转岗答案"，是当前最大的误导。设计师想走这条，现实入口是先有端到端交付能力，再补客户现场与业务指标意识。

07 给研发 / 设计管理者的组织侧建议

如果视角从个人切到团队，下面几件事比"鼓励大家学 AI"有用得多：

1. 别把初级岗当可裁成本项，改造成"AI 监督岗 + 评测岗 + 交付岗"。 斯坦福 × ADP 数据显示 22–25 岁软件开发者就业指数较 2022/11 下降近 20%，而 41–49 岁增长近 20%；15 家美国最大科技公司应届生招聘较 2019 年下降超 50%。设计侧更紧迫：初级 UI −22%、初级平面 −27%，且没有存量维护这个缓冲区，判断力的传承断得比研发更快。今天砍掉初级，是在透支三年后能验收 AI 的人。
2. 把"验收 / 治理"写进流程而不是口号。 PR 提速 40% 但缺陷 +41% 的代价由生产和团队信誉承担。建议：AI 生成代码标注、测试先行、评测集与回归基线、多模型交叉校验、生产缺陷按来源归因。腾讯云 CodeBuddy 2.0 实验（4 名工程师、4 个月、99% 代码由 AI 生成）能成立的前提恰恰是"白天用时间换效率、晚上用效率换时间"的校验与重构纪律。
3. 设计侧的唯一事实源必须是机器可读的。 最典型的浪费是：设计师用 AI 生成一套稿、前端用 AI 生成一套组件，两边再花时间互相校对。把 Design Token、组件契约、状态清单、a11y 规则写成 DESIGN.md 之类的单一事实源，让两侧 Agent 都从它取约束；同时把"状态完整性（空/错/加载/回滚）、幻觉逻辑、无障碍、失败态"纳入验收 checklist——AI 生成 UI 的策展成本有时会超过自己画，且"看起来合理但跳过支付网关"这类幻觉是真实安全风险。
4. 如果只有一个设计 HC，2026 年我倾向于招 Design Engineer。 但要加个前提：这个判断只在"有设计系统可 owning、且有人承担用户研究与产品判断"时成立。没有系统的小团队招一个纯 Design Engineer，容易把研究和策略一起丢掉，最后退化成"什么杂活都干的前端"。更稳的做法是让现有 UI 设计师往⑦走，同时用外部资源补研究，而不是裁掉设计师换一个会写代码的。
5. 改考核，从"产出量"转到"可复用资产 + 业务结果"。 若组建 FDE 式前线单元，必须把"现场产出中沉淀为模板 / 测试集 / Skill / 连接器的比例"纳入考核，否则组织改了名字、本质还是定制外包，规模不经济会吃掉毛利。设计侧同理：考核"交付了几张稿"会持续把团队推向被替代的那一端。
6. 岗位说明书按任务层重写。 把"前端 / 后端 / 客户端 / UI"的边界松绑为"端到端交付 + 领域纵深"，招聘时按系统设计、AI 集成、沟通协作能力评估。岗位数据已印证：2025→2026 年 JD 中"系统设计"提及率 48%→63%、"AI/LLM 集成"12%→34%、"AI 编码工具"6%→31%、"沟通/跨团队"31%→47%，而"指定具体语言"82%→71%；字节 2026 UX JD 已把"有 AI 产品设计经验或 AI 工具使用能力"写进优先条件。

08 不确定性、反例与来源

• 地域不可套用。 美国初级岗位收缩更"纯粹"地由 AI 驱动；中国是 AI、互联网行业周期、高校供给过剩三因叠加，所以降幅更大。别把中国数字直接套到海外团队，反之亦然。
• 预测本身是预期而非实测。 WEF 数据为雇主预期，BLS 预测滞后真实市场约 12–18 个月；AI 对软件工程与设计的影响仍处早期。
• 存在反向信号。 Shopify 2026 年放弃 React Native 回到原生（但也没有重建双端团队）；部分来源显示前端岗位总量仍有增长（IDC 口径 +12.2%、BLS web developer +8%）。设计侧同样：Figma 2026 研究认为 AI 在带动设计招聘回暖而非替代，NN/G 判断市场只是"稳定但仍竞争激烈"；64% 开发者仍不认为 AI 威胁自己的工作（Stack Overflow 2025），说明体感与招聘数据的时滞很大。"总量"与"结构"必须分开看。
• 设计侧还有一条审美反噬。 AI 把视觉下限整体抬高后，"bot-bland"同质化反而让带人味的设计溢价上升；Canva《2026 设计趋势报告》把"不完美即完美"列为新标准，18–19% 欧美客户明确要求"纯人工创作、不含 AI"，Baymard 数据显示 60% 购物者得知商品图为 AI 生成会降低购买信心。这类需求小众但真实，是 ⑨ 的依据，也说明"AI 越强、某些人工判断越贵"的非线性效应。
• 最大的未知数是 AI 在"长期维护"和"失败态 / 灰色状态设计"上的进步速度。中山大学 × 阿里的评估是 2026 年 3 月的快照；若模型在两三年内补齐这两块，判断层与责任层的护城河会显著变窄——这也是建议把筹码押在"领域知识 + 交付责任 + 约束定义"而非"代码审查技巧 / 出图手速"上的原因。

关键来源

• WEF《The Future of Jobs Report 2025》· 美国劳工统计局 Occupational Outlook Handbook · Stanford Digital Economy Lab × ADP Research 就业仪表板
• Stack Overflow Developer Survey 2025（49,000+ 份样本 / 177 国）· Lightcast 2015–2026 软件工程师技能提及率分析 · SignalFire 工程师人才数据
• 智联招聘 2026 Q1 · 脉脉《2026 春招职场洞察 / 求职行为洞察》· 猎聘《AI 时代程序员转型趋势报告》（2026/10）、《2026 FDE 人才供需趋势洞察报告》· 领英全球劳动力市场趋势洞察（2026/1）· Indeed 岗位统计
• 工信部《"人工智能+软件"专项行动实施方案》新闻发布会、中国软件行业协会回应（2026/9）· 中山大学 × 阿里巴巴 18 款大模型长期代码维护能力评估（2026/3）
• 羊城晚报 / 新快报《AI 狂飙 抢夺"码农"饭碗》（2026/4）· 经济参考报、中国经济网、证券时报关于 FDE 的报道（2026/6–9）· 中国宁波网《当 AI 开始写代码 还需要什么样的程序员?》（2026/10）
• Figma × NewtonX《2026 设计师现状报告》（906 名数字设计师，中文媒体转引）· Figma 2025 AI Report · Nielsen Norman Group《State of UX 2026》· Canva《2026 设计趋势报告》· Deloitte Agentic AI 落地调研 · Baymard 用户信任研究 · CSCW 2025 Agent 透明度研究
• 设计岗相关公开资料：Figma MCP / Google Stitch DESIGN.md / Vercel AI SDK Generative UI / MCP-UI / A2UI / AG-UI 协议说明 · Linear、Vercel、Stripe 关于 Design Engineer 的公开讨论 · 字节跳动 2026 UX / 视觉设计师 JD
• 腾讯视频「AI 原生全栈工程师」、阿里「千问办公 AI 客户端全栈开发工程师」、小红书「AI Native 产品开发工程师」等 2026 年公开 JD

本备忘为趋势判断与决策参考，不构成个人职业承诺或精确预测。数据截至 2026 年 11 月 10 日；引用二手数字前建议回溯原始报告。